矿井智能一体化管控平台设计及应用

张晓霞，陈思宇，苏上海，王海力

(煤炭科学研究总院 矿山大数据研究院，北京 100013)

0 引 言

煤矿智能化是煤炭工业高质量发展的核心技术支撑，将人工智能、工业物联网、云计算、大数据、机器人、智能装备等与现代煤炭开发利用深度融合，形成全面感知、实时互联、分析决策、自主学习、动态预测、协同控制的智能系统,对于提升煤矿安全生产水平、保障煤炭稳定供应具有重要意义[1-2]。目前,我国煤矿智能化已经取得了初步的成果，但是仍然存在着部分问题：①“信息孤岛”现象依旧存在，尚未彻底解决。由于基础条件的差异，各矿井智能化建设进展参差不齐，尚有大量矿井存在子系统相互孤立，数据共享路径不通畅的问题。而且目前建设形成的数据平台在使用过程中也主要停留在数据集成阶段，缺乏有效的融合分析机制，无法实现数据处理之间的业务协同,大幅限制了系统的实用性和可操作性,阻碍智能矿山建设的良性快速发展[3-4]。②管理模式相对落后，信息化程度低，与其他先进行业的信息化水平仍有较大差距。在煤矿集团管理上，无论是横向(矿井的科室之间、集团的处室之间)还是纵向(矿、二级公司、集团公司层级结构),其管理架构、业务流程和岗位职责,仍然主要是传统的非信息化或半信息化管理模式[5]，缺乏高度一体化和协同化的管理体系，不能满足煤炭工业信息化的要求[3]。③共享平台缺失。“信息孤岛”现象和管理模式落后造成了目前煤矿行业独立软件子系统众多,并且存在功能单一、数据冗余度高、系统操作复杂、信息共享和实时自动分析困难等问题[5]，无法通过平台实现优质软件的共享与复用。④煤矿设备通信接口不统一，数据协议标准不一致[6-7]，使得数据资源无法实现互联互通，设备之间存在信息壁垒，造成系统集成难度大，协同控制水平低[8-9]。

针对智能化煤矿建设中的上述问题，许多文献和煤矿用户都提出了建立煤矿一体化综合管控平台的要求。文献[5]提到煤矿是一个典型的多部门、多专业管理的单位,涉及不同业务方向，如何将静态、动态、分散、孤立的业务系统和数据资源整合到一个集成和统一的管理平台是智能矿山建设需要解决的关键问题。文献[10]提出智能化煤矿应通过统一的综合管控平台进行管理，实现信息化与自动化的深度融合。文献[11]提出数字矿山是基于管理控制一体化等技术发展高度结合的产物。文献[12]提出利用统一操作平台对井下生产系统、安全保障系统、综合保障系统进行统一管理,解决信息孤岛、子系统割裂等问题。文献[8]提出随着智能矿山技术的变革与发展,为提高矿井信息互联、数据共享、智能联动和业务管理的协同效益,矿井生产控制必须由单一分散式向综合智能化转变，由单点控制向集中控制进行转变。文献[13]提出系统一体化是智慧矿山建设的实现方式，需要通过系统一体化的建设,加强矿山系统间的兼容性,并减少系统内功能模块的耦合度。

目前，尽管针对一体化管控平台的理解尚未形成统一的认识,但是研究人员已经从不同角度对于一体化管控平台进行了深入研究，部分研究已经提出了自己的建设要求和设计方法。文献[14]提出基于ERP、MES、PCS结构的管控一体化体系，通过互相关联的PCS、MES和ERP三大系统组成的综合自动化体系结构,在控制技术、计算技术和优化技术的推进下实现三大系统的综合集成,真正完成信息的综合应用,实现管控一体化。文献[15-16]提出在统一开发平台的框架下,基于面向服务的体系架构和“资源化、场景化、平台化”思想,围绕监测实时化、控制自动化、管理信息化、业务流转自动化、知识模型化、决策智能化目标进行相应业务应用设计，开发用于煤炭生产﹑智慧生活、矿区生态的智慧矿山生产系统、安监系统﹑智能保障系统﹑智能决策分析系统、智能经营管理系统,实现煤矿的数据集成、能力集成和应用集成。文献[17]提出对于智能化管控平台的设计,应形成“全局优化、区域分级、多点协同”的控制模式,实现各部门工作流程和各现场安全、生产环节的纵向贯通、横向关联﹑融合,建成企业的安全、生产、经营﹑管理的中枢大脑,实现所有系统功能的接入及应用,各系统按照其承载的业务内容在应用平台上协同开展工作。

文献[18]提出按照智能煤矿建设思路，基于统一的智能管控软件平台可以分为4个业务中心:智能管调中心、智能监控中心、矿井安全中心、运营管控中心,每个中心应涵盖多个业务部门和区队，智能管控软件平台需要建立全面的标准规范体系，涵盖设备层、传输层、应用层、信息交换安全、系统集成等相关标准规范。文献[19]提出大数据智能控制一体化平台以整合现有智能控制技术为出发点，结合数据存储功能及技术扩展需求，最终形成涵盖通信、计算、监督和管理的一体化平台，包含现场设备层、基础控制层、大数据智能控制层以及智能管理层4个层级。

上述文献阐述了一体化管控平台建设的必要性和愿景，指出需要建设矿井级的一体化管控平台，将各个针对单个领域或局部环节的集控中心和管控系统都统筹汇聚在同一平台下，通过数据融合分析，实现统一的监控与管理。但是对落地实现的具体架构、方法、系统组成和技术手段等尚未形成统一的认识。

笔者基于部分一体化管控平台研究的成果，重点针对目前智能化煤矿的发展现状，参照国家能源局和国家矿山安全监察局印发的《煤矿智能化建设指南(2021 年版)》和中国煤炭学会《智能化煤矿(井工)分类、分级技术条件与评价》标准以及国家、各省市相关智能化煤矿建设文件、各级别煤矿企业相关文件，按照智能化煤矿的三级评价体系，结合智能化建设目标，首先围绕一体化管控平台不同阶段的建设要求，提出矿井一体化管控平台的总体架构设计和实现方法，然后对其中关键技术进行了系统分析，最后通过将研发平台部署到煤矿现场进行测试，验证了平台各项能力的有效性。

1 矿井智能一体化管控平台建设要求

国家能源局和国家矿山安全监察局印发的《煤矿智能化建设指南(2021年版)》中指出，需要根据矿井的地质条件和建设目标分步分阶段开展智能化煤矿建设[20]。对照国家发展改革委等八部委联合印发的《关于加快煤矿智能化发展的指导意见》中提出的三阶段目标，结合目前行业的发展和建设现状，可以将矿井一体化管控平台的建设划分为3个阶段，逐步有序地推进建设。

第1阶段：在煤矿开拓设计、地质保障、采掘生产、安全监测等各个主要环节实现信息化传输和自动化运行的基础之上，基于“云-边-端”分层架构，初步建设形成矿井智能一体化管控平台，包括生产执行系统、生产集中控制系统和安全集中监测系统等，通过建立统一的数据标准和工业互联架构，实现各个环节不同子系统的数据接入和数据集成，打通数据孤岛，形成数据中台，同时基于业务特点，构建业务模型组件，形成业务中台，为上层业务应用提供有力的数据支撑和业务支持。

第2阶段：基于算法模型开展大数据分析，充分挖掘利用数据资产，监测生产运营全过程，实现业务流程优化，安全预测预警等功能，在子系统的智能化单项应用基础上，基于跨系统的数据融合共享，形成智能化综合应用，促进各子系统的自动化协同运行，实现远程集中监视与智能控制。

第3阶段：不断完善和扩展智能化应用场景，结合人工智能技术，提高智能化管控水平，提升系统的自感知、自决策、自执行能力，实现业务的高效协同和自主优化，形成多产业链、多系统集成的煤矿智能化系统，具备全面智能感知、自主分析决策、协同控制执行等能力。

2 矿井一体化管控平台设计

2.1 一体化管控平台总体架构

一体化综合管控平台基于工业互联网体系框架，按照“云-边-端”分层架构将煤矿各分控制系统如综采子系统、综掘子系统、运输子系统、安全子系统等的数据进行汇聚融合，并与矿井相关信息化系统进行互联互通，形成整个矿井级智能化综合控制系统和业务综合分析系统，以数据为核心驱动整个矿山安全生产和高效运营，如图1所示。

一体化管控平台的总体架构如图1所示，一共包含3层：最底层是设备层，涵盖各种井上、井下的生产及监测设备，是平台的数据源；中间层是PaaS层，包含数据采集平台、大数据平台以及一系列矿井应用开发的支撑组件，向下与设备层相连，接入不同工业协议的设备数据，向上支撑矿井级应用的开发及运行；最顶层是应用层，包含生产执行系统、生产集中控制系统以及安全集中检测系统等各类专项应用和智能化综合应用。一体化管控平台通过建立矿井级的标准规范，将矿井所需各个子系统汇聚到统一平台进行管理，各类数据采用统一的数据模型，实现数据链路的标准化。同时提供全面的安全保障，通过统一认证、审计日志等方式保证应用安全、数据安全、平台安全、网络安全和设备安全。

图1 一体化管控平台总体架构Fig.1 Overall architecture of integrated management and control platform

2.2 数据采集平台

数据采集平台建立了统一的系统接口标准，基于统一I/O采集服务，可以适配标准工控设备、非标准设备系统、VOIP语音设备系统和流媒体视频监控等设备系统，如图2所示。

图2 实时数据采集平台基本架构Fig.2 Basic architecture of real-time data acquisition platform

I/O采集服务通过EIP协议实时采集控制子系统和安全监测子系统的数据，然后存入实时数据库，实时数据库的数据通过Kafka组件存入大数据平台。同时，控制命令通过EIP协议下发给各个控制子系统，由控制子系统对具体的设备进行控制。视频数据通过GB/T 28181—2011《安全防范视频监控联网系统信息传输交换、控制技术要求》标准协议接入大数据平台。其他数据根据类型通过不同的协议接入，最终实现数据在大数据平台的融合，并可以在不同的系统间进行共享。

2.3 大数据平台

大数据平台是智能化管控的数据底座，具备数据集成、数据存储、数据计算、数据服务管理等功能，为煤矿智慧化建设实现统一存储、统一数据、统一分析提供了基础保障，为上层业务应用提供了统一的数据汇聚与技术支撑。

平台具备完备的元数据管理体系，可以对存储数据进行全生命周期的管理，有效支持数据溯源。数据存储子系统以统一数据标准为基础，面向数据访问服务和大数据分析挖掘场景进行优化，保证数据的高可用性。大数据平台支持基于主题构建数据仓库，可以将不同数据源的数据按照业务需求进行整合，并且可以对数据资产目录、数据质量、数据血缘等进行管理和展示，同时支持对数据的监控运维以及数据的服务化，基本架构如图3所示。平台具备强大的数据实时计算分析能力和海量数据处理能力，可以挖掘数据中的隐含信息，将低价值密度的原始数据转化为高价值密度的数据资产。

图3 大数据平台基本架构Fig.3 Basic architecture of big data platform

2.4 PaaS平台支撑组件

PaaS层除了数据采集平台和大数据平台外，还提供了一系列矿井应用开发的支撑组件，包括应用开发工具、应用运维工具、统一认证等通用组件和云组态、煤炭行业模型等行业组件。

PaaS平台基于Docker容器技术和Kubernetes技术，具备分布式、服务化、自动化部署、高可用、敏捷以及分层开放的特征，为开发人员提供了一套服务于快速开发、部署、运维管理、持续开发、持续集成的流程。平台提供基础设施管理、微服务框架、DevOps、应用编排等基础能力，开发人员只需要将开发完成的业务代码提交到平台代码库，并完成一些必要的配置，系统就可以自动完成构建及部署，实现应用的敏捷开发和快速迭代。

PaaS平台具备通用PaaS能力，提供基础组件和行业组件，包括各类数据库、消息中间件、缓存、开发工具组件等，在此基础上提供已有应用的上云和新应用的云原生开发能力。与此同时，PaaS平台也提供煤炭行业PaaS能力，通过煤炭工业知识的软件化封装，构建煤炭行业业务模型及工业微服务，实现煤炭工业技术的共享和复用。

2.5 智能化综合应用系统

基于矿井一体化管控平台的上述基础支撑服务，可以融合井上、井下“采、掘、机、运、通”等主要生产环节各子系统的数据以及环境安全、人员位置等安全生产信息，构建矿井级的智能化综合应用系统，对生产执行、经营管理、分析决策等矿井信息系统进行集成分析，联动控制与可视化展示，实现矿井各业务系统的数据融合共享与智能协同管控。例如可以通过融合煤矿各生产控制子系统和安全监测子系统的实时和历史数据，应用大数据平台提供的数据分析能力，建立煤炭行业CPS模型，实现各子系统之间的横向协同和综合分析，构建主煤流协同经济运行等典型场景下的生产集中控制系统，结合矿井安全监测数据和安全风险管控数据，构建基于网格的矿井区域安全等级评估等大安全场景下的安全集中监测系统等。

3 矿井一体化管控平台关键技术

3.1 统一EIP数据对象模型

矿井设备种类、数量众多，设备参数表示不一致，因此数据采集过程中，根据需求的变化，常常需要改动点表，给工程人员带来额外的调试工作。针对这一问题，矿井一体化管控平台以EIP对象模型作为统一的数据标准，按照全矿井设备种类统一设备参数语法、语义和控制描述。

EIP对象模型也称作矿山设备模型，该模型将矿山人-机-环-管的每种设备抽象为一个类，并在矿井一体化管控平台中为其分配唯一的id，实现统一的管理。每个类按其特征分为状态、控制、监视值和虚拟值4种基本属性，每种属性包含顺序id(在此类中id唯一)、名称、实现(必要或者可选)、访问属性(读写)，属性描述、数据类型(短整形、长整型、浮点型、字符串等)6个基本描述域。对照实际应用中各种设备的使用情况，可以基于类创建一个或多个对象，对每台设备实现精准的表示和管理。矿井一体化管控平台以面向对象的方式表示煤矿设备，提高了应用访问设备参数的复用性和扩展性，大幅提升了设备的综合管理水平。

矿井一体化管控平台目前已经定义了综采、综掘、主运输、供电、排水、通风、储装等各个子系统的130个EIP设备对象模型，包括采煤机、液压支架、掘锚一体机、馈电开关、移动变电站、泵站、运输“三机”、照明综保、磁力启动器、组合开关等。以采煤机EIP对象模型为例：采煤机对象类代码为80Hex(十六进制)，采煤机对象一共有112个属性，下面截取部分属性进行说明，见表1。

表1 采煤机EIP对象模型属性(部分)

属性id表示各项属性的顺次；名称域用简单确定的语义描述了采煤机的工作参数；实现域说明了该属性为必要或可选，可以使EIP对象模型兼容不同采煤机厂家的产品，不同采煤机的共性工作参数可以设置为“必要”，某种采煤机独有的特殊性工作参数可以设置为“可选”；访问属性表示该属性的读写功能，Get表示可读，Set表示可设置或控制，Get/Set表示同时支持读写；属性描述详细解释了该属性的具体语义；数据类型指定了该属性在系统中的存储方式，确定了该属性在软件中的访问数据长度；说明域解释了该属性不同数值对应的语义或表示单位。

通过在矿井一体化管控平台应用统一的EIP数据对象模型，可以减少工程人员的重复性劳动，提高设备数据采集的准确度和可靠性，提升矿井一体化管控平台的易用性和运行效率。

3.2 大数据融合平台

大数据融合平台可以接入各个生产执行系统的实时和离线数据，以及采集设备、自动化系统、安全监测系统的实时监控监测数据，并且提供数据安全保障服务。面对煤矿多源异构数据融合需求，需要采用新的数据融合技术。首先，通过应用统一的EIP数据模型，使不同子系统的数据遵从相同的标准，具备相同的存储结构，保证跨系统的一致性，实现数据链路的标准化，据此利用潜在语义匹配技术实现模式对齐。在标准模型的基础上，通过实体和关系抽取技术，构建多传感器和多系统的实体链接，然后，引入冲突处理技术，进行消歧和相同实体合并，最后，将数据融合形成煤炭行业主题域数据仓库，如煤矿能效分析主题、矿井设备主题等。通过数据的融合，打破数据孤岛，实现煤矿子系统之间的数据共享和基于数据的智能联动，支撑上层业务应用和智能化分析服务，为矿井的智能化建设提供基础服务和保障。

3.3 容器化平台

容器化平台可以支撑应用的开发、架构、交付和运维，既能简化应用的管理，又能满足业务的灵活性。通过软件定义实现与底层的对接，可以兼容不同类型的基础设施，构建业务应用的操作系统。

矿井一体化管控平台的容器化平台在Kubernetes的基础上进行了封装改造，针对煤炭行业应用开发的技术现状和需求进行了定制化开发，采用无侵入式架构，基于ServiceMesh技术，实现微服务管理框架，支持不同的应用治理模式，同时，采用插件技术，实现动态可插拔的服务发现和治理、路由、负载均衡、流量分析等功能。整个平台以应用为中心，通过构建云原生应用模型支持应用全生命周期管理：首先，通过应用构建组件智能识别应用开发语言，自动编译源码，自动识别环境变量和端口，构建形成组件的镜像文件；然后，根据应用属性，自动生成应用调度策略，在集群中调度应用运行；最后，基于Prometheus定制化的监控组件，自动发现监控对象并完成监控配置。容器化平台连接应用和计算资源，支撑应用和数据上云的同时保障了存量应用的兼容性，同时平台封装了大量煤炭行业工具和应用模型，可以支持新应用的快捷开发。借助云端数据建模、机理建模、人工智能等方式可以优化现有业务，也可以将云端训练好的模型下发至边缘端，在矿井进行智能控制，实现“云-边-端”一体化。

3.4 数据交换共享

数据交换共享平台基于云原生架构，可以接入不同业务子系统的数据，通过数据的共享和交换，打破煤矿各系统之间的数据孤岛，实现系统间的横向协同和纵向联动，如图4所示。数据交换共享服务提供监控运维、认证授权、流量控制、数据源管理等基础功能以及服务发布、服务管理、数据同步、数据订阅等核心功能，可以通过开放API支持统一、安全、高效的数据交换共享。

图4 数据交换共享平台Fig.4 Data exchange and sharing platform

3.5 主数据管理

煤矿众多子系统过去采用的都是传统的定制化开发方式，很难满足不同煤矿的个性化需求。因此矿井一体化管控平台提供了主数据管理模块，应用数据模型生成技术和低代码开发技术，用户可以通过界面配置的方式，自动生成不同的主数据模型。

主数据管理系统基于低代码开发技术，采用声明式网页DSL，通过将JSON转换成React组件的方式实现前端模型的可视化设计，然后，通过模版引擎技术，动态生成后端模型类，并通过动态实体技术将数据模型固化为底层的数据表结构。通过这种方式，可以按照不同煤矿实际需求，动态定义主数据模型结构，如煤矿单位信息模型，开采管理信息模型、采煤工作面信息模型、掘进工作面信息模型等，如图5所示。

图5 主数据管理Fig.5 Master data management

同时，引入代码版本管理的思想，增加版本管理功能，可以实现主数据模型和数据的历史版本管理。基于用户身份认证技术和令牌实现了主数据共享的权限认证，保证主数据的安全和用户数据的隐私。

矿井一体化管控平台目前已经预置煤矿4大类24小类主数据模型，包括单位基础信息模型，采区信息模型、采煤工作面信息模型、掘进工作面信息模型等，具体结构如图6所示。

图6 矿井一体化管控平台主数据模型Fig.6 Master data models of mine intelligent integrated management and control platform

以采煤工作面信息模型为例，该模型共定义了36个属性，示例见表2(部分)。

表2 采煤工作面主数据模型(部分)

4 系统实际应用

本平台设计的主要依据是煤矿生产、安全、管理的核心业务需求，通过有效的数据和业务融合，加强煤矿生产、安全、管理的纵向联动和横向协同，从而实现煤矿精细化运营，进而降本增效。目前平台已经在山西天地王坡煤业有限公司和陕西小保当矿业有限公司进行了试运行。

智能一体化管控平台部署架构如图7所示，主要包括大数据服务集群、PaaS服务集群、采集节点、监控工作站等基础设施。其中，PaaS服务集群提供容器化资源，为一体化管控平台各应用系统提供基础的资源调度、运行时服务等环境。

图7 智能一体化管控平台部署架构Fig.7 Deployment architecture of intelligent integrated management and control platform

平台通过EIP协议统一了数据采集和数据模型，为数据融合共享提供了基础的标准数据，目前试运行平台汇聚了综采、综掘、主运输、安全监测、人员定位等12个子系统的数据，涉及50多个设备，2万多个采集点，每天数据采集量达到15 G，每天数据交换量达到50 G。基于不同系统数据的融合共享，建立了6大煤矿主题库，包含100多个分析指标。平台建立了矿井的主数据模型，包含煤矿基本信息、人员信息等7大类、14小类数据，实现了统一的管理。

面向综采、综掘、主煤流等不同的应用场景，试运行平台已经完成了12个生产管控类和5个安全检测类煤矿智能专项应用的容器化迁移，同时基于平台的数据融合和应用开发运维支持能力，完成了主煤流协同经济运行和煤矿区域网格安全等级评估2个煤矿智能综合应用的开发。

5 结 语

为解决智能化煤矿建设过程中面临的“信息孤岛”现象，管理模式落后，共享平台缺失，设备通信接口不统一、数据协议标准不一致等问题，建立煤矿一体化综合管控平台已经成为了智慧矿山建设重要的实现方式和发展方向。首先对一体化管控平台的内涵进行了系统阐述，并对应智能矿山建设的三级目标，明确了不同时期对一体化管控平台的具体建设要求。随后对照建设要求，完成了矿井一体化管控平台的总体架构设计，并对其核心组成部分的结构与功能进行了定义。具体阐述了矿井一体化管控平台建设中涉及的统一EIP协议、大数据融合平台、容器化平台、数据交换共享以及主数据管理等关键技术。最后介绍了系统平台在实际应用中的部署架构和协同方式，验证了煤矿一体化管控平台的数据融合能力和综合管控能力。应用该煤矿一体化管控平台，可以有效融合井上、井下各自动化子系统数据，实现煤矿业务的统一监控、统一调度和统一决策，有效地满足时延敏感场景的要求，并支持煤矿生产、安全和管理的纵向联动和横向协同。